Alphabet首席执行官桑达尔·皮查伊在周三举行的第一季度财报电话会议上表示,公司在AI领域的持续投入以及全栈战略正在有力推动整体业绩增长,而公司也正将目光瞄准智能体模型的未来发展。财报数据显示,谷歌云业务收入同比增长63%,首次突破200亿美元大关。
一季度资本支出方面,Alphabet共投入357亿美元,其中大部分资金流向了AI技术基础设施建设。皮查伊透露,约60%的支出用于服务器采购,其余40%则投入数据中心建设与网络设备升级。
皮查伊强调了公司AI基础设施的战略地位,将其定位为全栈AI布局的核心基础。他表示:"我们专注于推动基础模型的前沿突破,涵盖智能、智能体以及智能体编程等方向。"
随着AI产品需求持续升温,谷歌云业务对Alphabet整体营收的战略意义日益凸显,成为拉动公司增长的重要引擎。
在资本投入规模上,谷歌与微软、AWS保持同步。据悉,微软与AWS合计计划在2026财年投入逾5000亿美元用于AI基础设施建设。市场研究机构Synergy Research Group预测,整体云计算市场的年化营收运行速率将突破5000亿美元。
皮查伊表示,企业级AI解决方案在一季度首次成为谷歌最主要的增长引擎,基于谷歌生成式AI模型构建的产品收入同比增长近800%。其中,谷歌Gemini企业版的付费月活跃用户数环比增长40%。
Alphabet首席财务官阿纳特·阿什肯纳齐表示,上述业绩进一步印证了公司AI基础设施投资的正确性,并宣布公司计划于2027年再度加大资本支出规模。
Gartner杰出副总裁分析师埃德·安德森在接受采访时表示,谷歌从底层基础设施到Gemini企业应用的全栈投资策略整体上是奏效的。通过自研芯片及与英伟达等计算提供商建立合作关系,谷歌已构建起一套完善且稳健的基础设施体系。
"这也在很大程度上向整个市场传递了一个信号——客户真正需要的是什么,"安德森说,"他们希望拥有一套涵盖云计算与AI服务的综合性平台,以支撑下一代业务活动的开展。"
安德森还指出,当企业像谷歌这样持续大规模投入云基础设施时,客户期望能在具体产品和服务中切实感受到这些投入所带来的价值。面对市场上众多AI产品的激烈竞争,负责采购决策的技术领导者应重点关注云平台的整体能力与发展势头。
"目前参与各类AI竞赛的厂商众多,有的聚焦数据,有的专注工程,有的深耕模型,"安德森表示,"但谷歌的独特之处在于,它构建了一套覆盖全栈的综合性解决方案,能够在每一个层级上与对手展开竞争。"
Q&A
Q1:谷歌云营收为何能首次突破200亿美元?
A:谷歌云营收实现63%的同比增长,首次超过200亿美元,主要得益于企业级AI解决方案需求的快速增长。一季度,基于谷歌生成式AI模型构建的产品收入同比增长近800%,Gemini企业版付费月活跃用户数环比增长40%,企业级AI解决方案首次成为谷歌最主要的增长驱动力。
Q2:Alphabet在AI基础设施上投了多少钱,钱花在哪里了?
A:Alphabet在2025年第一季度共投入357亿美元资本支出,其中大部分用于AI技术基础设施建设。具体分配上,约60%用于服务器采购,40%用于数据中心建设和网络设备升级。此外,谷歌还通过自研芯片并与英伟达等计算提供商建立合作关系,进一步夯实其AI基础设施能力。
Q3:谷歌的AI全栈策略和其他云厂商相比有什么优势?
A:据Gartner分析师埃德·安德森的评价,谷歌构建了一套从底层基础设施到上层企业应用(如Gemini企业版)的综合性全栈解决方案,能够在数据、工程和模型等每个层级上与竞争对手展开竞争。这种全栈覆盖的能力,正是众多客户在选择云和AI服务平台时所看重的核心要素。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。